MiniMax مدل M3.1 Flash را روی API خود منتشر کرد. این مدل یک MoE چندوجهی با ۴۲۸ میلیارد پارامتر کل و حدود ۲۳ میلیارد پارامتر فعال است که ورودی متن، تصویر و ویدیو را می‌پذیرد و خروجی متن برمی‌گرداند. پنجره بافت آن یک میلیون توکن است. قیمت ۰/۱۵ دلار در هر میلیون توکن ورودی و ۰/۶۰ دلار در هر میلیون توکن خروجی تعیین شده؛ خواندن کش ۰/۰۱۵ دلار هزینه دارد و هزینه اضافی برای بافت بلند وجود ندارد. MiniMax تأیید کرد که مدل پنهان Space Bunny نسخه‌ای اولیه از M3.1 Flash بوده که بیش از ۲۰۰ تریلیون توکن پردازش کرده است.
عملکرد در بنچمارک‌ها#
تمام امتیازهای منتشرشده توسط خود MiniMax گزارش شده‌اند و هنوز تکرار مستقلی از آن‌ها وجود ندارد. در Automation-Bench v1.0.6 این مدل با ۶۲/۲ بالاترین امتیاز جدول MiniMax را کسب کرده — در مقابل ۵۰/۳ برای Opus 5 و ۴۵/۸ برای GPT-5.6 Sol. در BankerToolBench با Opus 5 برابر شده (۷۶/۲) و در LOCA-Bench 256K با ۶۰/۳ صدرنشین است.
در کدنویسی نتایج ضعیف‌تر است. DeepSWE v1.1 امتیاز ۷۳/۷ گرفته که کمی بالاتر از GPT-5.6 Sol (۷۳/۰) است، اما DeepSeek-V4.1-Flash-1017 با ۷۷/۰ جلوتر قرار دارد. نقطه ضعف اصلی Terminal Bench 4.0 با امتیاز ۳۸/۱ است که در مقابل ۵۱/۸ Opus 5 فاصله ۱۳/۷ امتیازی دارد.
استدلال و استقرار#
استدلال در M3.1 Flash همیشه فعال است و غیرقابل‌غیرفعال‌سازی. توسعه‌دهنده می‌تواند از ۵ سطح تلاش (Low, Medium, High, Xhigh, Max) انتخاب کند؛ MiniMax سطح Max را پیش‌فرض پیشنهاد می‌دهد. درخواست‌هایی که thinking.type=disabled یا effort=none می‌فرستند خطا برمی‌گردانند. مدل از طریق platform.minimax.io، M Plan و MiniMax Code در دسترس است و به APIهای Anthropic-compatible و OpenAI-compatible پاسخ می‌دهد. سرعت حدود ۱۵۰ توکن بر ثانیه گزارش شده است. وزن‌ها ۲۳ اکتبر منتشر می‌شوند اما لایسنس هنوز اعلام نشده.
خوانش تحریریه#
برای کسی که ایجنت‌های اتوماسیون اداری می‌سازد، قیمت ۰/۱۵ دلار در هر میلیون توکن ورودی با پنجره بافت یک میلیون توکنی، M3.1 Flash را به گزینه‌ای جدی تبدیل می‌کند — به‌ویژه وقتی در Automation-Bench بالاترین امتیاز جدول را دارد. اما اگر ایجنت شما به کارهای پایانه‌ی سنگین یا بازسازی کد نیاز دارد، فاصله ۱۳/۷ امتیازی با Opus 5 در Terminal Bench و ۸ امتیاز عقب‌تر بودن از DeepSeek V4.1 در DeepSWE یعنی این مدل هنوز جایگزین کامل نیست. نکته مهم‌تر: تمام اعداد vendor-reportedاند و تا تکرار مستقل، مقایسه‌ها فقط چارچوب ذهنی می‌دهند نه حکم قطعی. همچنین غیرقابل‌غیرفعال بودن استدلال یعنی برای فراخوانی‌های ساده یک کف هزینه و تأخیر اجباری وجود دارد.
منبع: MarkTechPost
دیدگاه‌ها
برای گذاشتن دیدگاه وارد شو
دیدگاه‌ها فقط از حسابهای کاربری پذیرفته می‌شوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.